Estimation of Vulnerable Road User Accident Frequency Through the Soft Computing Models
Modely predpovede nehôd sú matematické výrazy alebo algoritmy, ktoré sa používajú na určenie príčinných faktorov dopravných nehôd a bezpečnosti na cestách. Modelovanie tohto druhu nehôd je dosť náročné a vyžaduje si dobrú kvalitu dát. Výsledky modelu umelej neurónovej siete, model gaussovských proce...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | , |
| Formato: | Capítulo de libro |
| Lenguaje: | inglés |
| Materias: | |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: | Modely predpovede nehôd sú matematické výrazy alebo algoritmy, ktoré sa používajú na určenie príčinných faktorov dopravných nehôd a bezpečnosti na cestách. Modelovanie tohto druhu nehôd je dosť náročné a vyžaduje si dobrú kvalitu dát. Výsledky modelu umelej neurónovej siete, model gaussovských procesov a podpora vektorového modelu stroja sa porovnáva z hľadiska frekvencie nehôd na cestách v tejto štúdii. Presnosť modelu bola podmienená: strednou absolútnou chybou, základným priemerom štvorcovej chyby a koeficientu korelácie. Zistenia naznačujú, že pre predpovedanie nehôd zraniteľných účastníkov cestnej premávky na cestách umelá neurónová sieť poskytuje lepšie výsledky korelácie ako vektor podpory stroja a Gaussove procesy. |
|---|